دانلود پروپوزال آماده: تحليل مقايسه¬اي كارآمدي مدل¬هاي رگرسيون بردار پشتيبان، شبكه عصبي و ARIMA با مدل¬هاي تركيبي در پيش¬بيني بازده شاخص بورس اوراق بهادار تهران

قسمت هایی از پروپوزال:

۱- بیان مسأله:

در زمینه مدل‌سازی سری­های زمانی، روش­های متفاوتی مورد استفاده قرار می‌گیرد. مدل‌های سنتی مانند میانگین متحرک، هموارسازی نمایی و خودرگرسیو میانگین متحرک انباشته پیش‌بینی آینده را به روابط خطی از گذشته محدود می‌نمایند و الگوهای خطی را مدل سازی می­کنند. از این مدل‌ها به دلیل سادگی در فهم و کاربرد در دهه‌های اخیر بسیار استفاده شده است. با وجود انعطاف پذیری بالای مدل خودرگرسیو میانگین متحرک انباشته در مدل سازی الگوهای خطی این مدل نمی­تواند الگوهای غیر خطی را خوب مدل سازی کند.

به دلیل مشاهده الگوهای غیرخطی در دنیای واقعی یک سری از مدل‌های غیرخطی مانند^[۱]ARCH GARCH,  ^[۲]  ،^[۳]TGARCH  مطرح گردیدند. همگی این مدل‌ها، الگوهای غیرخطی بخصوصی­ را­ توضیح می‌دهند.

اما شبکه عصبی مجازی(^[۴]ANN) توان و قدرت پیش‌بینی روابط غیرخطی را داراست و کاملاً انعطاف پذیر عمل می‌نماید. شبکه­های عصبی مصنوعی از عناصر عملیاتی ساده­ای ساخته می­شوند که به صورت موازی در کنار یکدیگر عمل می­کنند. این عناصر که از سیستم­های عصبی زیستی الهام گرفته شده­اند، در تلاش­اند که به صورت ناپارامتریک، مغز انسان را شبیه سازی نمایند. نكته حائز اهميت در استفاده از مدل شبکه عصبی وجود نتایج متفاوت برای روابط خطی است. برای مثال مارکهام^[۵] و راکس^[۶] اذعان داشتند عملکرد شبکه عصبی برای مساله‌های رگرسیون خطی وابسته به اندازه نمونه و سطح شوک (Noise) می‌باشد. [۵۳]

از طرفي ماشین بردار پشتیبان (SVM)^[7] به عنوان تکنیک نوین یکی از روش­های یادگیری ماشینی است که بر مبنای تئوری یادگیری آماری واپنیک^[۸] در دهه ۹۰ میلادی توسط واپنیک و همکارانش ارائه گردید.  این روش از جمله روش‌های نسبتاً جدیدی است که در سال‌های اخیر کارایی خوبی نسبت به روش‌های قدیمی‌تر از جمله شبکه‌های عصبی پرسپترون نشان داده است. رگرسيون بردار پشتيبان اين عمل را با تابعي كه انحراف از مقدار واقعي در آن به ميزان كمتر از ɛ مجاز است، انجام مي­دهد.

همانطور که ذکر شد با وجود مزایای متعدد، شبکه های عصبی با محدودیت هایی از جمله مدل­سازی روابط خطی و همچنین نیازمند بودن به شمار بالای نمونه برای آموزش(به منظور انجام فرآیند یادگیری) مواجه می­باشد. اما چون دانستن خصوصیات داده­ها مبنی بر خطی و یا غیر خطی بودن در واقعیت کمی دشوار است و از طرفی به ندرت روابط کاملا خطی و یا کاملا غیر خطی مشاهده می­شود، بنابراین این ایده به ذهن می­رسد که ترکیب مدل خطی آریما با مدل­های غیر خطی شبکه عصبی پیشخور و ماشین بردار پشتیبان می­تواند باعث بهبود دقت پیش­بینی گردد.

در مدل ترکیبی سعی بر این داریم ابتدا روابط غیر­خطی در پسماندها را با استفاده از شبکه­ی عصبی و رگرسيون بردار پشتيبان شناسایی کرده سپس پسماندهای بدست آمده را به مدل خودرگرسیو میانگین متحرک انباشته اضافه کنیم. با این ترکیب، بخش خطی بوسیله‌ی مدل خودرگرسیو میانگین متحرک انباشته و بخش غیرخطی بوسیله‌ی شبکه عصبي و رگرسيون بردار پشتيبان پیش‌بینی خواهد شد.

با عنايت به مطالبي كه ذكر شد اين سوال پيش مي­آيد كه کدامیک از مدل­های رگرسيون بردار پشتيبان، شبكه عصبي، خودرگرسیو میانگین متحرک انباشته و مدل­هاي تركيبي، با دقت بالاتر و خطاي كمتري توانايي پیش­بینی شاخص بورس اوراق بهادار تهران را دارد؟

[۱] -AutoRegressive conditional heteroskedasticity

[۲]– Generralized autoregressive conditional heteroskedasticity

[۳] -Threshold Generralized autoregressive conditional heteroskedasticity

-Artificial Neural Network 4

۵-Markham

[۶] – Rakes

[۷]-Support vector machine

[۸]-vapnik

……………………………

۲- اهمیت و ضرورت تحقیق:

……………………………

۳- پیشینه تحقیق:

……………………………

۴- اهداف تحقیق:

…………………………………….

۵- فرضيه ‏هاي تحقیق:

…………………………………….

۶- مدل تحقیق

…………………………

۷- سوالات تحقیق:

…………………………………….

۸- تعريف واژه‏ها و اصطلاحات فني و تخصصی (به صورت مفهومی و عملیاتی):

…………………………………….

۹- بیان جنبه نوآوری تحقیق:

………………………….

۱۰- روش شناسی تحقیق:

الف: شرح كامل روش تحقیق بر حسب هدف، نوع داده ها و نحوه اجراء (شامل مواد، تجهيزات و استانداردهاي مورد استفاده در قالب مراحل اجرايي تحقيق به تفكيك):

………………………….

ب- متغيرهاي مورد بررسي در قالب یک مدل مفهومی و شرح چگونگی بررسی و اندازه گیری متغیرها:

…………………………………….

ج – شرح کامل روش (ميداني، كتابخانه‏اي) و ابزار (مشاهده و آزمون، پرسشنامه، مصاحبه، فيش‏برداري و غيره) گردآوري داده‏ها :

…………………………………….

د – جامعه آماري، روش نمونه‏گيري و حجم نمونه (در صورت وجود و امکان):

…………………………………….

ر- روش نمونه گیری و حجم نمونه:

…………………………………….

ز- ابزار تحقیق:

…………………………………….

هـ – روش‌ها و ابزار تجزيه و تحليل داده‏ها:

…………………………………….

منابع :

…………………………………….

آسان داک: www.Asandoc.com

دانلود نمونه پروپوزال تکمیل شده، پروژه پر شده، طرح پیشنهادیه آماده